基于CT平掃影像組學鑒別≤2 cm甲狀腺良惡性結節

胡小麗，顧潛彪，張 堃*，李 磊，李 平，沈宏榮

(1.湖南中醫藥大學第一附屬醫院放射科，湖南 長沙 410007；2.湖南省人民醫院放射科，湖南 長沙 410005；3.永州市中心醫院放射科，湖南 永州 425000)

甲狀腺癌是甲狀腺最常見惡性腫瘤，主要表現為甲狀腺結節，近年來發病率在全球范圍內迅速上升，直徑≤2 cm者占所有增加病例的80%以上[1-2]，鑒別直徑≤2 cm甲狀腺結節的良惡性成為重要臨床課題。超聲是無創評估甲狀腺結節良惡性的主要影像學手段，具有較高的特異度，但對惡性結節敏感度較低[3-5]。CT可用于術前評估甲狀腺結節，但常規CT平掃判定甲狀腺結節性質的能力有限。影像組學通過提取高通量信息對醫學影像學圖像進行定量分析，從而實現無創性分析腫瘤異質性[6-7]。本研究觀察基于CT平掃圖像影像組學特征預測直徑≤2 cm甲狀腺結節良惡性的價值。

1 資料與方法

1.1 一般資料 回顧性收集2018年1月—2020年3月97例CT檢查發現甲狀腺結節患者，男30例，女67例，年齡20～73歲，平均(44.1±12.4)歲。納入標準：①單發甲狀腺結節直徑≤2 cm，經手術病理明確診斷；②術前接受CT平掃。排除標準：①CT檢查前接受穿刺活檢或放射及化學治療；②圖像存在偽影；③多發甲狀腺結節。

1.2 儀器與方法 采用Philips Brilliance 64排螺旋CT機。囑患者仰臥，頸過伸，肩部盡量下沉，禁止吞咽動作，行頸部掃描，范圍自下頜至頸根部，管電壓120 kV，管電流250 mA，層厚3 mm，層間距3 mm。

1.3 提取特征及建立模型 由分別具有8年及10年頭頸部影像學診斷經驗的主治醫師和副主任醫師各1名采用盲法于顯示病灶最大層面的CT軸位平掃圖像上測量病灶最大徑，并沿病灶輪廓內緣手動勾畫ROI(圖1)，盡量與病灶邊緣保持一致，意見不同時協商達成一致。

圖1 于顯示病灶最大層面的軸位CT平掃圖像上手動勾畫ROI示意圖

分割全部病例的病灶ROI后，采用公共軟件3dslicer軟件(http://www.3dslicer.org)提取影像組學特征。以隨機分層抽樣法按7∶3比例將患者分為訓練組(n=67)和驗證組(n=30)。應用R軟件3.6.0 (http://www.r-project.org)中的caret包對訓練組影像組學特征進行預處理，包括剔除近似常量的影像組學特征和刪除相關系數>0.9及存在多重共線的特征。之后采用R軟件中的Glmnet包進行最小絕對收縮和選擇算子(least absolute shrinkage and selection operator, LASSO)特征篩選，獲得鑒別效能最優的影像組學特征子集；以二元Logistic回歸方法建立預測甲狀腺良惡性結節的影像組學預測模型，并計算訓練組中良惡性結節的影像組學評分，即特征與對應權重系數乘積的和；再于驗證組中對該模型進行驗證。

1.4 統計學分析 采用SPSS 20.0統計分析軟件及R軟件3.6.0 (http://www.r-project.org)。計量資料以±s表示，組間比較采用獨立樣本t檢驗。計數資料以頻數表示，組間比較采用χ2檢驗。以ROC曲線法評估影像組學模型預測訓練組及驗證組甲狀腺結節良惡性的診斷效能，組間AUC差異比較采用Delong檢驗。P<0.05為差異有統計學意義。

2 結果

2.1 一般資料 97例中，35例良性病變，包括15例甲狀腺腺瘤，20例結節性甲狀腺腫；62例惡性病變，分別為50例甲狀腺乳頭狀癌、6例濾泡癌、4例髓樣癌及2例未分化癌。訓練組中，25例良性、42例惡性病變；驗證組10例良性、20例惡性病變。組間性別、年齡及病灶最大徑差異均無統計學意義(P均>0.05)。見表1。

表1 ≤2 cm甲狀腺結節患者一般資料比較

2.2 提取及篩選影像組學特征 共于訓練組提取848個影像組學特征，經預處理后獲得97個特征；經LASSO特征篩選得出8個最優影像組學特征，包括1個形態學特征、3個原始圖像紋理特征和4個高階特征(圖2)。

圖2 以LASSO方法篩選出的8個最優影像組學特征及其權重系數值

2.3 影像組學模型及診斷效能 根據上述最優影像學特征及相應權重系數建立影像組學預測模型，計算影像組學評分。2組良性甲狀腺結節的影像組學評分[-0.08(-1.96,0.78)、[0.11(-0.96,0.65)]均低于惡性病變[1.20(0.80,2.56)、1.03(0.80,2.47),t=-3.29、-3.12，P均<0.01]。訓練組及驗證組中，影像組學模型鑒別甲狀腺良惡性病變的敏感度分別為0.77、0.74，特異度分別為0.79、0.91，相應的AUC分別為0.84、0.88，AUC差異無統計學意義(D=0.35，P=0.73)，見圖3。

圖3 影像組學模型預測甲狀腺良惡性結節的ROC曲線 A.訓練組； B.驗證組

3 討論

甲狀腺癌是最常見的內分泌系統惡性腫瘤，其發病率及病死率在全球范圍內持續上升[8]。對臨床查體或超聲檢出的甲狀腺可疑惡性結節，制定合理臨床策略，如手術或積極監測非常重要。本研究基于CT平掃圖像，采用影像組學方法建立預測直徑≤2 cm甲狀腺結節良惡性的影像組學模型，并獲得較佳結果。

既往研究[9]顯示，基于增強CT圖像的紋理特征有助于鑒別甲狀腺良惡性結節。TOMITA等[10]提出頸部雙能CT單能圖像紋理分析可用于鑒別甲狀腺良惡性結節，但未建立完善的數學模型?？椎さ萚11]基于CT平掃及增強圖像建立了CT影像組學模型預測甲狀腺良惡性結節，發現其對區分甲狀腺良惡性結節有較高的診斷效能。然而，臨床實踐中，對伴甲亢或對比劑過敏等增強掃描禁忌證者只能行CT平掃；且多數偶然發現的甲狀腺結節患者僅接受了頸部或胸部CT平掃[12]，影像科醫師通過肉眼觀察獲得的信息有限，尤其是當病灶較小時，難以判斷是否應行進一步檢查。本研究以平掃CT為基礎，采用影像組學方法預測直徑≤2 cm甲狀腺良惡性結節，以期篩選高?；颊?、早期診斷甲狀腺癌；基于平掃CT提取了848個影像組學特征，除紋理特征外，還包括形態學特征、直方圖特征及小波轉換特征，并采用LASSO方法對其進行篩選，建立了預測甲狀腺結節良惡性的模型，并對其進行驗證，結果顯示該模型鑒別驗證組直徑≤2 cm甲狀腺良惡性結節的AUC與訓練組差異無統計學意義，即對訓練組及驗證組的診斷效能相當，可用于無創預測直徑≤2 cm甲狀腺結節的良惡性。模型中納入的影像學特征以紋理特征最多，包括3個原始圖像紋理特征及4個經過小波濾波器預處理的圖像紋理特征。紋理特征是描述像素空間分布及強度等級的特征，反映病灶內部結構及異質性。本研究所獲模型以紋理特征為主，提示甲狀腺結節內部結構及異質性與其良惡性密切相關；模型中另一個特征為結節最大二維直徑(original_shape_Maximum2DDiameterRow)，提示結節大小與其良惡性相關。

綜上所述，基于平掃CT的影像組學模型對鑒別直徑≤2 cm甲狀腺結節良惡性具有較好的診斷價值，有望用于臨床無創預測診斷甲狀腺結節性質。本研究的主要局限性：①樣本量較小，且為單中心研究；②病灶ROI來自最大層面二維平掃CT，而三維立體圖像可能更全面揭示腫瘤信息；③未結合雙能量CT及MRI等技術進一步觀察。